Radioactive Feedback：仅用评分监督追踪模型来源

Yuejia Li 等作者提交的论文提出一种名为 Radioactive Feedback 的方法：在奖励中编码注册的行为偏好模式，让评估者对质量达标的回答施加有界的逐点调整，使第三方学生在只有分数反馈、拿不到教师答案文本的情况下继承该偏好。论文称，代码与数学实验显示这种注册偏好能仅凭分数跨数据集迁移，从而对固定参考池实现黑盒检测。 该方法针对的是 LLM-as-a-Judge 仅标签蒸馏场景，即学生只获得分数、没有教师答案文本，现有水印与蒸馏检测器无法覆盖。论文未披露是否已在真实商用模型中验证，其实验效果由作者描述。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。